Αρχιτεκτονικές βαθέων νευρωνικών δικτύων για την αναγνώριση και τον χρονικό εντοπισμό δράσεων σε βίντεο

Βασιλείου, Βασιλική; Vasileiou, Vasiliki

dc.contributor.author	Βασιλείου, Βασιλική	el
dc.contributor.author	Vasileiou, Vasiliki	en
dc.date.accessioned	2021-05-18T09:47:17Z
dc.date.available	2021-05-18T09:47:17Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/53447
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.21145
dc.relation	info:eu-repo/grantAgreement/NTUA/Diplomathesis/Vasileiou/CVSP/HumanActionRecognitionandTemporalSegmentationinVideos/ThesisVasileiou	el
dc.rights	Αναφορά Δημιουργού 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by/3.0/gr/	*
dc.subject	Αναγνώριση ανθρώπινων χειρονομιών και δράσεων	el
dc.subject	Human action and gesture recognition	en
dc.subject	Χρονικός εντοπισμός ανθρώπινων δράσεων	el
dc.subject	Βαθιά νευρωνικά δίκτυα	el
dc.subject	Ανθρώπινη πόζα	el
dc.subject	Temporal detection of human action	en
dc.subject	Deep neural networks	en
dc.subject	Human Pose	en
dc.subject	OpenPose	en
dc.title	Αρχιτεκτονικές βαθέων νευρωνικών δικτύων για την αναγνώριση και τον χρονικό εντοπισμό δράσεων σε βίντεο	el
heal.type	bachelorThesis
heal.classification	Όραση υπολογιστών	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2021-04-09
heal.abstract	Η αναγνώριση των ανθρώπινων δράσεων είναι ένας από τους τομείς της ΄Ορασης Υπολογιστών, που κεντρίζει όλο και περισσότερο το ενδιαφέρον των ερευνητών, καθώς η ανάλυση των ανθρώπινων δράσεων έχει πολλές εφαρμογές στην καθημερινή μας ζωή. Χαρακτηριστικά παραδείγματα αποτελούν τα assistive robots στον τομέα της ρομποτικής και οι accident predictors στον τομέα της βιομηχανίας. Η έρευνα στο αντικείμενο αυτό ξεκίνησε με την εξαγωγή χαρακτηριστικών από περιγραφητές και συνεχίζει σήμερα με την χρήση βαθέων νευρωνικών δικτύων, τα οποία εξετάζουμε και εμείς στην παρούσα διπλωματική εργασία. Συγκεκριμένα, η εργασία μας έχει δύο βασικές πτυχές πλήρως αλληλένδετες. Η πρώτη παρουσιάζει τη μελέτη της αποτελεσματικότητας των κυριότερων αρχιτεκτονικών βαθέων νευρωνικών δικτύων για την αναγνώριση ανθρώπινων χειρονομιών, σε τριμαρισμένα βίντεο. Αντίθετα η δεύτερη στοχεύει στη χρονική κατάτμηση των ανθρώπινων δράσεων σε μη τριμαρισμένα βίντεο, δίνοντας τη δυνατότητα αξιοποίησης σε online εφαρμογές. Παράλληλα με την επίδραση των βαθέων νευρωνικών δικτύων εξετάζεται και η συνεισφορά της δυναμικής της ανθρώπινης πόζας, τόσο στην αναγνώριση των ανθρώπινων δράσεων όσο και στο χρονικό εντοπισμό τους. Για την αξιολόγηση των συστημάτων που υλοποιήθηκαν χρησιμοποιήθηκαν δύο σύνολα δεδομένων. Συγκεκριμένα για το πρόβλημα της αναγνώρισης ανθρώπινων χειρονομιών χρησιμοποιήθηκε η IsoGD βάση δεδομένων, ενώ για το πρόβλημα του χρονικού εντοπισμού ανθρώπινων δράσεων χρησιμοποιήθηκε η THUMOS’14 βάση δεδομένων. Από την δουλειά μας πάνω στο αντικείμενο του χρονικού εντοπισμού και της αναγνώρισης ανθρώπινων δράσεων σε πραγματικό χρόνο προέκυψαν state-of the-art αποτελέσματα τα οποία έχουν υποβληθεί στο 29th European Signal Processing Conference (EUSIPCO 2021) με συγγραφείς τους Βασιλική Ι. Βασιλείου, Νικόλαο Κάρδαρη και Πέτρο Μαραγκό.	el
heal.advisorName	Μαραγκός, Πέτρος	el
heal.committeeMemberName	Μαραγκός, Πέτρος	el
heal.committeeMemberName	Τζαφέστας, Κωνσταντίνος	el
heal.committeeMemberName	Ποταμιάνος, Γεράσιμος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών. Τομέας Σημάτων, Ελέγχου και Ρομποτικής	el
heal.academicPublisherID	ntua
heal.numberOfPages	88 σ.	el
heal.fullTextAvailability	false